版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、研究表明,新生兒經(jīng)歷反復(fù)的疼痛刺激會對以后的成長發(fā)育造成一定的不良影響,嚴重時會導(dǎo)致中樞神經(jīng)系統(tǒng)的永久損傷。目前對新生兒疼痛程度的評估都是由受過專業(yè)訓(xùn)練的醫(yī)護人員來進行,但此方法需要花費大量的時間和精力來培訓(xùn)專業(yè)人員,且評估結(jié)果受個人主觀因素的影響,不能及時客觀有效的進行評估,因而建立一套新生兒疼痛表情識別系統(tǒng)具有潛在的市場價值和應(yīng)用前景。
特征提取是新生兒疼痛表情識別的關(guān)鍵技術(shù),它直接影響著識別率的高低。本文采用2D-Gab
2、or小波變換和均勻模式LBP相結(jié)合的方法提取新生兒疼痛表情特征,再利用PC A算法降低圖像特征維數(shù),最后利用稀疏表示法進行分類識別,實驗結(jié)果表明了算法的可行性和有效性,本文主要完成以下內(nèi)容:
?。?)本文對表情特征提取方法進行了分析和研究,提出了基于2D-Gabor小波變換和均勻模式LBP相結(jié)合的新生兒特征提取方法。
?。?)研究了Gabo r小波內(nèi)核窗口大?。?*7,19*19,35*35,51*51,65*65)對識
3、別性能的影響,實驗結(jié)果表明當(dāng)內(nèi)核窗口大小為35*35時識別效果最為理想。
?。?)研究了均勻模式LBP的分塊模式(3*3,4*4,5*3和6*5)、特征維數(shù)和訓(xùn)練樣本數(shù)(300、400、500、600)對識別性能的影響,并對實驗數(shù)據(jù)進行分析。
(4)研究了不同的稀疏系數(shù)求解方法對識別結(jié)果的影響,綜合考慮識別率和效率,本文采用的截斷牛頓內(nèi)點法效果更為理想。
?。?)研究了四種不同的特征提取方法在相同實驗條件下的識
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Gabor小波以及稀疏表示的新生兒疼痛表情識別.pdf
- 基于LBP-top特征的新生兒疼痛表情識別研究.pdf
- 基于Curvelet變換的新生兒疼痛表情識別研究.pdf
- 基于HLACLF的新生兒疼痛表情識別研究.pdf
- 基于協(xié)作表示的新生兒疼痛表情識別.pdf
- 基于Gabor小波變換和SVM的人臉表情識別.pdf
- 新生兒疼痛表情識別方法的研究.pdf
- 基于Log-Gabor的新生兒疼痛表情特征提取的研究.pdf
- 基于改進ODP和Gabor小波相結(jié)合的表情識別.pdf
- 新生兒疼痛面部表情識別方法的研究.pdf
- 基于模糊SVM的新生兒疼痛表情識別方法研究.pdf
- Gabor小波變換與表情組合模板相結(jié)合的表情識別研究與實現(xiàn).pdf
- 基于流形學(xué)習(xí)算法的新生兒疼痛表情識別.pdf
- 基于壓縮感知的新生兒疼痛表情識別方法.pdf
- 基于Gabor小波和LBP的掌紋識別算法研究.pdf
- 基于Gabor變換和LBP相結(jié)合的人臉識別算法的研究.pdf
- 基于視頻序列的新生兒疼痛表情識別系統(tǒng)的研究.pdf
- 基于局部二值模式和稀疏表示的新生兒疼痛表情識別.pdf
- 基于Gabor小波變換的人臉表情識別方法的研究.pdf
- 新生兒疼痛表情識別中的特征降維方法研究.pdf
評論
0/150
提交評論